訂閱
糾錯
加入自媒體

TCL實業(yè)何軍:新基建時代,如何獲取干凈的數據

2020-10-26 09:57
財經涂鴉
關注

“B端大數據最難的環(huán)節(jié),當數工業(yè)大數據!

作者:蘇打編輯:tuya出品:財經涂鴉

“過去10-20年,在整個中國互聯網的推動下,C端數據的積累已經非常豐富。而下一個10年或者20年,B端數據的整合運用將會是主要課題。”在10月22日舉行的上海靜安大數據論壇中,TCL實業(yè)副總裁何軍表示,B端大數據最難的環(huán)節(jié),當屬工業(yè)大數據。

何軍在提及TCL時表示,“我們確實是實體,但我們不是傳統(tǒng)企業(yè)!

“新基建大背景下傳統(tǒng)企業(yè)也變成了新企業(yè)!彼J為,新基建本質是數字化基建,數字化基建的核心是數據。如何讓數據更易獲取、更好融合,關鍵在于如何讓數據進行價值變現。

90%的工廠近乎“黑盒子”

現場,何軍將TCL稱為“非常典型的產業(yè)一體化代表”。終端側,TCL旗下子公司雷鳥科技曾以增資擴股的方式引入戰(zhàn)略投資者騰訊,主要從事“雷鳥”或其未來新開發(fā)品牌智能電視的設計、生產、制造和銷售,并負責TCL多媒體及其控股子公司在中國地區(qū)的全部智能電視終端平臺運營;上游端,TCL控股電視面板廠商華星光電,并進入到原材料和半導體材料生產領域。

這根全產業(yè)鏈中,如得到更豐富更干凈的數據并將其融合,成為擺在企業(yè)面前的一大難題。

“首先,讓數據更干凈很重要,數據不清楚會導致所有的決策都是錯的。其次,數據的融合和協同很重要,即如何將上游原材料、半成品的數據,和終端、銷售的數據打通!焙诬姳硎尽

TCL實業(yè)副總裁何軍

目前,TCL在全球約有22個生產工廠,供應鏈全球化程度非常高。但同時也造成了一個困難——如何將其在C端的大量用戶數據推進到供應端和工廠,進行數據融合。

同時,因為有大量的供應商、代理商和下游客戶,保證數據一致和及時抓取成為一大難點。

“事實上,TCL所有的數據場景里,我認為最難的是工廠端。目前,國內99%的工廠可以說都是‘黑盒子’—— 90%的制造業(yè)連基本的信息化和自動化都不完善。這導致我們很多IT系統(tǒng)都無法上線。個人預估,目前國內制造業(yè)能達到20%-30%的自動化數據在線率就已經不錯了!焙诬娞寡。

他透露,當前工業(yè)領域的工廠,仍有大量數據無法獲取的。比如,電力、溫度、度濕等等工業(yè)敏感,TCL在產業(yè)鏈中的獲取率不足5%,而工廠生產過程中的數據獲取率不足20%。

此外,國內生產領域的企業(yè),圖片數據和視頻數據的缺失度也非常高!斑^去我們會配備大量工程師,以人工觀測的方式做人工判別,現在我們在一些半導體工廠已經實現機器替代,進行缺陷判別,準確率和覆蓋率有非常明顯的提升!焙诬姳硎。

如何獲取干凈的數據 

眼下,華星光電內部正在啟動數據治理工作。TCL發(fā)現,將管理數據分解到上千項的子項后,工廠和工廠、產線和產線之間是不統(tǒng)一的。即使是最應該標準化的財務報表,對收入的統(tǒng)計口徑在每個產線也是不一致的,更遑論原材料、半成品、投料等數據。

“其中的工作量巨大,所以每個制造業(yè)公司應該從管理層角度去重視數據質量的提升和治理工作,而非讓IT團隊或者業(yè)務部門牽頭去做這件事!焙诬姳硎。

他認為,獲取數據過程中,最基本的工作是保證數據的真實性。如果梳理一下數據來源,目前國內最完善的制造業(yè)仍有70%左右的數據為手工輸入,真實性程度仍有待提升。而高端制造業(yè)工廠普遍習慣購買一套商業(yè)套件,導致數據的系統(tǒng)和系統(tǒng)之間標準不一致、不融合。

在TCL內部生產環(huán)節(jié)中,經常遇到一個問題:當有問題的產品出現后,如何快速找到根源。但這個過程超越了單一工廠的管理,可能會牽涉到供應鏈、供應商、采購環(huán)節(jié)等。如果需要外部供應商配合,周期通常需要4-8周甚至2-4個月。而這一套流程走下來,損失往往已經造成。

基于華星光電等高端制造業(yè)的經驗積累,TCL認為,需要一套完整的端到端解決方案。其中,中臺的建設是未來的關鍵。

3年前,華星光電便已開始啟用自研的工業(yè)互聯網平臺。從第一代工廠至今,已布入2.6萬個傳感器。這些傳感器可以搜集到大量傳統(tǒng)工廠搜集不到的數據,包括空氣適度、溫度、氣壓、設備運行等。

“這些數據與傳統(tǒng)的生產、管理數據進行融合后,我們會用圖形化的方式將其展示給工廠一線的管理者!焙诬娡嘎,目前TCI實業(yè)的重點正在向如何開發(fā)自助式工具傾斜,希望能夠通過圖形管理這一核心,讓工廠使用這些工具,自助分析和管理數據。

此外,通過在工業(yè)APaaS平臺上不斷注入工業(yè)算法和模型,增加標準化程度,其中70%-80%的模型算法可以實現快速復制。這一技術在工廠進行產能擴展時,周期可以從1年縮減至6個月,在此前提到的尋找產品問題環(huán)節(jié)時,時間跨度可以從3個月大幅縮短至2-4周。

本文由公眾號財經涂鴉(ID:caijingtuya)原創(chuàng)撰寫,如需轉載請聯系涂鴉君。


聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關注公眾號
OFweek人工智能網
獲取更多精彩內容
文章糾錯
x
*文字標題:
*糾錯內容:
聯系郵箱:
*驗 證 碼:

粵公網安備 44030502002758號